| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·课题研究的背景和意义 | 第8-11页 |
| ·课题研究的背景 | 第8-9页 |
| ·课题研究的意义 | 第9-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文研究的目的和研究内容 | 第12-14页 |
| ·本文研究的目的 | 第12-13页 |
| ·本文研究内容 | 第13-14页 |
| 2 忆阻器模型及其仿真 | 第14-18页 |
| ·引言 | 第14页 |
| ·忆阻器的定义 | 第14-15页 |
| ·惠普忆阻器模型及其仿真 | 第15-17页 |
| ·电压控制忆阻器模型及其仿真 | 第17页 |
| ·本章小结 | 第17-18页 |
| 3 线性忆阻神经网络模型应用于异或问题 | 第18-29页 |
| ·引言 | 第18页 |
| ·异或神经网络模型 | 第18-20页 |
| ·异或的定义 | 第18-19页 |
| ·异或的神经网络模型 | 第19-20页 |
| ·内星学习规则 | 第20页 |
| ·异或忆阻神经网络模型以及仿真 | 第20-25页 |
| ·神经元的设计 | 第21-24页 |
| ·权重及学习规则的设计 | 第24-25页 |
| ·计算机仿真结果 | 第25-28页 |
| ·总结 | 第28-29页 |
| 4 非线性忆阻神经网络在模式识别中的应用研究 | 第29-37页 |
| ·引言 | 第29页 |
| ·非线性忆阻神经网络模型及其实现算法 | 第29-32页 |
| ·学习规则以及忆阻器的设计 | 第32-33页 |
| ·脉冲以及神经元的设计 | 第33-34页 |
| ·图像特征提取 | 第34-36页 |
| ·Sobel 算子的基本原理以及算法 | 第34-35页 |
| ·图像分块以及图像特征的归一化 | 第35-36页 |
| ·总结 | 第36-37页 |
| 5 手写字体识别的 simulink 仿真及结果 | 第37-52页 |
| ·引言 | 第37页 |
| ·程序设计流程 | 第37-39页 |
| ·Simulink 模块简单介绍 | 第39-42页 |
| ·From Workspace 模块 | 第39页 |
| ·Sum 模块和 Product 模块 | 第39-40页 |
| ·Switch 模块 | 第40页 |
| ·Embedded MATLAB Function 模块 | 第40页 |
| ·Unit Delay 模块 | 第40-41页 |
| ·Gain 模块 | 第41页 |
| ·Port 模块 | 第41页 |
| ·Memroy 模块 | 第41-42页 |
| ·忆阻器模块的设计 | 第42-43页 |
| ·(x_1 w_(11))~2以及反馈电压的设计 | 第43-44页 |
| ·O_1=(?)(x_i-x_(i1))~2以及输入神经元的设计 | 第44-47页 |
| ·手写签名识别系统总体设计 | 第47-49页 |
| ·手写签名识别系统的仿真结果 | 第49-51页 |
| ·测试训练样本 | 第49-50页 |
| ·测试非训练样本 | 第50-51页 |
| ·总结 | 第51-52页 |
| 6 总结与期望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录 | 第58-63页 |
| A. 作者在攻读学位期间发表的论文目录 | 第58页 |
| B. 基于忆阻器的异或神经网络代码 | 第58-60页 |
| C. 训练样本 | 第60-62页 |
| D. 非训练样本 | 第62-63页 |